康龙化成
AI酶改造工程师
AI酶改造工程师
发布于 大约 19 小时前普通员工/个人贡献者
全职员工仅现场办公生物技术
生物技术
Pytorch
Rosetta
分子动力学模拟
生物信息学
蛋白质语言模型
酶工程
Alphafold2
值不值得投
70综合评分
综合评分 70
前沿AI酶改造技术岗，发展机会突出，但工作模式与生活平衡信息不足。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
15K
比生物技术中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
68 个在招 · 其中生物技术 11 个
市场机会
选择不多
无锡 · 生物技术 · 7 个在招
职位详情
关于这个职位
该职位负责运用AI与计算工具进行酶的理性设计与改造，优化酶的催化性能，并参与跨团队协作推动研发项目进展
工作涉及蛋白质结构分析、分子模拟、数据平台搭建及技术追踪，旨在提升酶工程研发效率
最低要求
硕士及以上学历，生物信息学、计算生物学、酶工程、蛋白质工程、生物化学或计算机相关专业
深入理解酶的结构-功能关系、催化机制及定向进化原理，熟悉酶活性参数(Km、kcat)分析
熟练使用至少2种酶设计核心工具:Rosetta、AlphaFold2、Discovery Studio、Schrodinger等，具备蛋白质建模、结合口袋分析能力
掌握Python/R编程语言，能独立编写脚本进行数据分析，熟悉Linux操作系统及高通量数据处理流程
熟悉UniProt、PDB、Pfam等公共数据库，具备较强的文献调研与技术复现能力
工作职责
酶分子理性设计与改造:基于序列/结构信息，运用生信工具预测酶的活性中心、关键残基，设计突变体方案，优化酶的催化效率、热稳定性、底物选择性及溶剂耐受性;
分子模拟与机制解析:开展分子对接(AutoDock、Glide)、分子动力学模拟(GROMACS、AMBER)及自由能计算(MM/PBSA)，分析酶-底物相互作用机制，为改造提供理论支撑;
AI辅助酶设计:运用蛋白质语言模型(ESM、ProtGPT)、深度学习框架(PyTorch、TensorfFlow)构建酶优化模型，结合多组学数据(基因组、转录组、蛋白质组)提升预测准确性;
数据平台搭建与维护:建立酶序列/结构数据库，优化虚拟筛选流程，整理维护计算工具代码库，提升研发效率;
跨团队协作:与实验团队紧密对接，解读计算结果，反馈改造方向，参与干湿实验闭环，跟踪项目进展并撰写研发报告;
技术前沿追踪:关注酶工程、AI蛋白设计领域最新进展，引入创新计算方法与工具，推动技术迭代
AI 洞察
优缺点分析
优点
- 前沿技术领域，结合AI与生物技术，创新性强且应用前景广阔
- 公司平台大，资源丰富，有利于参与高水平研发项目
- 工作内容技术含量高，能快速积累计算生物学和AI实践经验
- 技术更新迅速，需要持续学习新算法和工具，保持竞争力
- 跨学科要求高，需平衡计算模拟与实验验证，对综合能力要求较强
- 项目可能涉及复杂数据处理和严格的研发周期，需较强的抗压能力
- 适合对AI与生物技术交叉领域有浓厚兴趣，具备扎实编程和生物背景，追求技术深耕和创新的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向高级计算生物学家或AI驱动的酶设计专家方向深化技术
- 未来可参与跨学科项目管理，或转向技术领导岗位
- 随着经验积累，可拓展至药物研发或工业酶应用等更广领域
- 运用计算工具和AI模型进行酶的理性设计与改造，优化酶的催化性能
- 开展分子模拟和数据分析，解析酶-底物相互作用机制
- 搭建和维护数据平台，与实验团队协作推动研发项目闭环
- 具备生物信息学、蛋白质工程专业知识，理解酶结构-功能关系
- 熟练使用Rosetta、AlphaFold2等酶设计工具，掌握蛋白质建模
- 精通Python/R编程和Linux系统，能处理高通量数据
申请策略
- 研究康龙化成在酶工程和AI研发方面的业务方向，面试时展现对行业的了解
- 准备一个干湿实验结合的案例，体现跨团队协作和问题解决能力
- 突出生物信息学或蛋白质工程相关项目经验，展示工具使用能力
- 强调Python/R编程技能和Linux操作经历，附上代码或数据分析案例
- 列出熟悉的核心工具如AlphaFold2、Rosetta等，并说明应用成果
- 学习蛋白质语言模型（如ESM）和深度学习在酶设计中的最新应用
- 加强分子动力学模拟和自由能计算的实践，提升计算精度
面试指南
- 结合理论知识和实践步骤，分点阐述设计思路和方法
- 以具体项目为例，说明工具选择、数据分析和结果验证过程
- 从行业应用、技术挑战和未来潜力角度进行分析
- 如何设计一个酶突变体方案来提高其热稳定性？
- 请解释AlphaFold2在酶改造中的具体应用流程
- 描述你如何利用多组学数据提升AI模型预测酶性能的准确性？
- 你如何看待酶工程与AI结合的行业发展趋势？
- 复习酶工程核心概念（如催化机制、定向进化）和关键算法（如分子对接、动力学模拟）
职位点评
薪资福利65
成长发展85
工作生活55
使命价值75
薪资福利
65中等
薪资水平未在JD中披露，但基于岗位要求和城市市场，预计处于中等范围；福利信息未提及，补偿性动机满足有限。
薪资信号未披露（AI估算：10K-20K/月）
成长发展
85较高
职位涉及AI蛋白设计等前沿技术，提供深度学习和生物工程交叉的技能成长机会，发展性动机满足较好。
技术前沿前沿/新兴技术
技术栈AlphaFold2、Rosetta、PyTorch、蛋白质语言模型、分子动力学模拟
业务类型ambiguous
工作生活
55较低
办公模式未明确，可能需现场办公；WLB和工作强度信号均未提及，生活化动机满足程度一般。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
75中等
生物技术属于高速增长赛道，酶工程在制药等领域有实际应用，创新性较强，意义感动机得到较好满足。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs